文献

J-GLOBAL ID：201702219368980772   整理番号：17A1384141

DERIN情報レンダリングとn-gramに基づくデータ抽出法【Powered by NICT】

DERIN: A data extraction method based on rendering information and n-gram

著者 (3件)： Figueiredo Leandro Neiva Lopes (Departamento de Computacao, Universidade Federal de Ouro Preto, Campus Universitario Morro do Cruzeiro, CEP 35400-000, Ouro Preto - MG, Brazil) ,  de Assis Guilherme Tavares (Departamento de Computacao, Universidade Federal de Ouro Preto, Campus Universitario Morro do Cruzeiro, CEP 35400-000, Ouro Preto - MG, Brazil) ,  Ferreira Anderson A. (Departamento de Computacao, Universidade Federal de Ouro Preto, Campus Universitario Morro do Cruzeiro, CEP 35400-000, Ouro Preto - MG, Brazil)
資料名： Information Processing & Management  (Information Processing & Management)
巻： 53  号： 5  ページ： 1120-1138  発行年： 2017年 
JST資料番号： E0362B  ISSN： 0306-4573  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： ウェブページからのデータ抽出を比較ショッピングやデータマイニングのようないくつかの用途にとって重要な仕事である。通常,Webページのデータはデータベースからの記録を表現し,Web検索を用いて得られた。ウェブページから記録抽出のための最も重要なステップの1つは,異なるデータ領域の同定,抽出される記録を含む一つである。この領域の不正確な同定は,不正確な記録の抽出につながる可能性がある。このプロセスは検出と主要データ領域から必要な記録とそれらの属性を正しくの等しく重要な段階が続いた。本研究では,レンダリング情報に基づくデータ抽出のための方法と検索結果ページからの主なデータ領域を選択し,レンダリング情報に基づいてその記録と属性を自動で抽出するラッパー性能を改善することを目的としたn-gramモデル(DERIN)を提案した。提案DERIN法は,n-gramモデルに基づく技術を用いて異なる記録構造を検出することができる。DERINはデータを抽出する方法を学習する例必要とせず,独立して与えられた領域を行い,DOMツリー中での同一親要素の子供ではないことを記録を検出することができる。いくつかのドメインからWebページを用いた実験結果は,他の方法と比べると,DERINは非常に効果的であり,良好に動作することを示す。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： Webページ ,  モデリング ,  購買 ,  *レンダリング ,  Web【情報システム】 ,  データマイニング ,  子供 ,  データベース
準シソーラス用語： ラッパー ,  ウェブ検索 ,  *データ抽出 , 【Automatic Indexing@JST】

著者キーワード (7件)： レンダリング情報 ,  視覚情報 ,  Wrapper ,  主データ領域 ,  経路発現 ,  N-gram ,  データ抽出

分類 (2件)： 情報検索一般  (AC06010H) ,  計算機網  (JC03000K)

タイトルに関連する用語 (3件)： レンダリング ,  N-gram ,  抽出法